MétaCan
Menu
Retour à la cohorte
Enregistrement W3100556309 · doi:10.1192/bjp.2020.202

Looking across health and healthcare outcomes for people with intellectual and developmental disabilities and psychiatric disorders: population-based longitudinal study

2020· article· en· W3100556309 sur OpenAlexaffabout
Elizabeth Lin, Robert Balogh, Hannah Chung, Kristin Dobranowski, Anna Durbin, Tiziana Volpe, Yona Lunsky

Notice bibliographique

RevueThe British Journal of Psychiatry · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueDown syndrome and intellectual disability research
Établissements canadiensHealth CanadaSt. Michael's HospitalOntario Tech UniversityUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésMedicineLogistic regressionMental healthDemographyPopulationBiosocial theoryPsychiatryGeneralized estimating equationHealth carePediatricsGerontologyPsychologyEnvironmental healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Intellectual and developmental disabilities (IDDs) and psychiatric disorders frequently co-occur. Although each has been associated with negative outcomes, their combined effect has rarely been studied. AIMS: To examine the likelihood of five negative health and healthcare outcomes for adults with IDD and mental health/addiction disorders (MHAs), both separately and together. For each outcome, demographic, clinical and system-level factors were also examined. METHOD: Linked administrative data-sets were used to identify adults in Ontario, Canada, with IDD and MHA (n = 29 476), IDD-only (n = 35 223) and MHA-only (n = 727 591). Five outcomes (30-day readmission, 30-day repeat ED visit, delayed discharge, long-term care admission and premature mortality) were examined by logistic regression models with generalised estimating equation or survival analyses. For each outcome, crude (disorder groups only) and complete (adding biosocial covariates) models were run using a general population reference group. RESULTS: The IDD and MHA group had the highest proportions across outcomes for both crude and complete models. They had the highest adjusted ratios for readmissions (aOR 1.93, 95%CI 1.88-1.99), repeat ED visit (aOR 2.00, 95%CI 1.98-2.02) and long-term care admission (aHR 12.19, 95%CI 10.84-13.71). For delayed discharge, the IDD and MHA and IDD-only groups had similar results (aOR 2.00 (95%CI 1.90-2.11) and 2.21 (95%CI 2.07-2.36). For premature mortality, the adjusted ratios were similar for all groups. CONCLUSIONS: Poorer outcomes for adults with IDD, particularly those with MHA, suggest a need for a comprehensive, system-wide approach spanning health, disability and social support.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,529
Score d'incertitude au seuil0,949

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,043
Tête enseignante GPT0,352
Écart entre enseignants0,308 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe British Journal of PsychiatryMême sujetDown syndrome and intellectual disability researchTravaux en français237 207